MLOps Engineer | GCP

Hace 2 días

las rozas de madrid, comunidad de madrid, España remoteo Jornada completa
Buscamos incorporar un/a MLOps Engineer para participar en proyectos de Machine Learning y Data Engineering, trabajando en la industrialización, despliegue y operación de modelos en entornos cloud. Buscamos un perfil con fuerte base de Python, GCP, Vertex AI, BigQuery y MLOps, capaz de llevar modelos desde la experimentación hasta producción de forma automatizada, escalable y reproducible.

Ubicación:
Las Rozas, Madrid --
- Calle Jacinto Benavente Modalidad: Híbrida --
- 1 día presencial por semana Posición: MLOps Engineer Misión Diseñar y evolucionar soluciones de MLOps y Machine Learning sobre GCP, automatizando el ciclo completo de los modelos: preparación de datos, entrenamiento, versionado, despliegue, monitorización y optimización. Requisitos imprescindibles GCP & Vertex AI Experiencia sólida con Google Cloud Platform.
Vertex AI: Pipelines, Model Registry, Workbench y despliegue de modelos.
BigQuery: optimización de consultas a gran escala, procesamiento distribuido y conectores externos. Python & Software Engineering Nivel avanzado de Python.
Desarrollo de código modular, desacoplado, testeable y preparado para ejecución concurrente.
Git, testing automatizado, code reviews y gestión de dependencias. Machine Learning Desarrollo de modelos predictivos con LightGBM, XGBoost, CatBoost o similares.
Experiencia trabajando con millones de registros.
Optimización de entrenamiento e inferencia. MLOps / Industrialización Experiencia llevando modelos desde Notebooks / Workbench hasta producción.
Pipelines automatizados.
Versionado de modelos.
Despliegues reproducibles.
Monitorización de modelos. DevOps Docker.
CI/CD con GitHub Actions, GitLab CI o herramientas similares.
Automatización de despliegues y gestión de entornos ML. Data Engineering Construcción de pipelines de datos para entrenamiento e inferencia.
Optimización de procesos ETL/ELT.
Gestión y procesamiento de grandes volúmenes de datos. Será valorable Experiencia en Forecasting / Series Temporales y previsión de demanda.
Alta cardinalidad, estacionalidades complejas, promociones y eventos.
Estrategias de cold-start.
Deep Learning aplicado a forecasting:TFT, TiDE, PatchTST, TimesFM, Chronos o Transformers.
GenAI / LLMOps: RAG, agentes, evaluación de modelos, prompt engineering y observabilidad.
Optimización de hiperparámetros con Optuna, Ray Tune o similares.
Paralelización del entrenamiento y optimización de inferencia.
Optimización de costes computacionales.